Fórmula de la desviación estándar explicada: guía paso a paso

¿Qué es la fórmula de la desviación estándar?

La fórmula de la desviación estándar es la ecuación matemática que nos permite cuantificar qué tanta variación o dispersión hay en un conjunto de datos. Una desviación estándar baja indica que los valores tienden a estar cerca de la media (μ o x̄), mientras que una alta nos dice que los datos están más esparcidos en un rango más amplio de valores.

En estadística, la fórmula que debes usar depende de si estás trabajando con toda una población o con una muestra extraída de ella. La idea central consiste en calcular el promedio de las desviaciones al cuadrado respecto a la media, lo cual se conoce como varianza (σ²), y luego sacar la raíz cuadrada para regresar la medida a sus unidades originales.

Desviación estándar poblacional

σ = √[ Σ (xi - μ)² / N ]

σ (sigma): Desviación estándar poblacional
Σ (sigma): Sumatoria de...
xi: Cada valor individual en el conjunto de datos
μ (mu): Media poblacional
N: Número total de datos en la población

Desviación estándar poblacional vs. muestral

En el análisis de datos del mundo real, es raro tener la información de toda una población. La mayor parte del tiempo, recolectamos una muestra para hacer inferencias sobre la población más grande. Como la muestra solo estima la media poblacional, si calculamos la desviación estándar usando la fórmula poblacional en una muestra, subestimaremos la variabilidad real. Para corregir este sesgo, utilizamos la fórmula de la desviación estándar muestral.

Desviación estándar muestral

s = √[ Σ (xi - x̄)² / (n - 1) ]

¡No mezcles tus fórmulas!

Usar 'N' para una muestra o 'n-1' para una población dará como resultado una medida de dispersión incorrecta. La fórmula muestral con n-1 se conoce como corrección de Bessel y es estrictamente necesaria para obtener una estimación insesgada de la varianza poblacional.

Cálculo de la fórmula paso a paso

Calcular la desviación estándar a mano requiere un método sistemático. Siguiendo estos pasos, podrás calcular con precisión la desviación estándar poblacional o muestral de cualquier conjunto de datos.

Calcula la media

Suma todos los datos (Σxi) y divídelos entre el número total de puntos (N o n) para encontrar la media (μ o x̄).

Encuentra las desviaciones

Réstale la media a cada dato individual para obtener la desviación: (xi - media).

Eleva al cuadrado las desviaciones

Eleva al cuadrado cada una de las desviaciones calculadas en el paso anterior: (xi - media)². Esto asegura que todos los valores sean positivos.

Suma las desviaciones al cuadrado

Suma todas las desviaciones al cuadrado para encontrar la suma de cuadrados: Σ(xi - media)².

Divide entre N o n-1

Para una población, divide entre N. Para una muestra, divide entre (n - 1). Esto te dará la varianza (σ² o s²).

Obtén la raíz cuadrada

Saca la raíz cuadrada de la varianza para encontrar la desviación estándar (σ o s).

¿Por qué la fórmula muestral divide entre n-1?

Dividir entre n-1 en lugar de n es un concepto conocido como corrección de Bessel. Como la media muestral (x̄) se calcula a partir de los propios datos de la muestra, las desviaciones (xi - x̄) están obligadas matemáticamente a sumar cero. Esto significa que los datos están un poco más cerca de la media muestral de lo que lo están de la verdadera media poblacional (μ).

Al dividir entre n-1 (los grados de libertad), inflamos la varianza lo suficiente para compensar esta subestimación, obteniendo así un estimador insesgado de la varianza poblacional.

Sources

References and further authoritative reading used in preparing this article.

← Centro de Aprendizaje

How to Read This Article

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Authoritative References

These sources define the concepts referenced most often across our articles. Bessel's correction is a sample adjustment, variance is a squared measure of spread, and standard deviation is the square root of variance expressed in the same units as the data.